R2021b - Actualizaciones de las líneas de productos MATLAB y Simulink - MATLAB & Simulink

Resumen de la versión R2021b

 

Descubra las novedades

Descargue la última versión y aproveche MATLAB y Simulink al máximo.

Reproductor de video se está cargando.
Tiempo reproducido 0:00
Duración total 2:08
Cargado: 7.65%
Tipo de secuencia DIRECTO
Tiempo restante 2:08
 
1x
  • Capítulos
  • descripciones desactivadas, seleccionado
  • en (Main), seleccionado
    Duración del vídeo 2:08

    Aspectos destacados de la versión R2021b

    Nuevos productos

    Actualizaciones importantes

    • Lidar Toolbox - utilice la app Lidar Viewer para visualizar, analizar y preprocesar nubes de puntos de LiDAR de manera interactiva
    • Simulink Code Inspector - utilice la pestaña contextual Code Inspector para comprobar la compatibilidad, inspeccionar el código y ver los resultados directamente en el modelo
    • Simulink Control Design - diseñe controladores adaptativos de referencia de modelos
    • Symbolic Math Toolbox - obtenga sugerencias sobre siguientes pasos para flujos de trabajo simbólicos en MATLAB Live Editor
    • Wavelet Toolbox - utilice el análisis de wavelets para procesar y extraer características de señales e imágenes para flujos de trabajo de IA

    Actualizaciones por producto

    Línea de productos MATLAB

    MATLAB

    • Editor: explore nuevas prestaciones de reestructuración de código y edición de bloques, así como mejoras en las sugerencias de código, la finalización de código y el depurador
    • Interfaz de Python: ejecute comandos y scripts de Python desde MATLAB
    • BackgroundPool: ejecute funciones de MATLAB en un subproceso en segundo plano
    • Tareas de Live Editor: resuma, transforme, filtre grupos de datos (cálculo por grupo), y centre y escale datos (normalización de datos) de manera interactiva
    • Función trenddecomp: identifique tendencias en los datos
    • HDF5: soporte para la versión 1.10 de HDF5, incluidas las características de escritor único/lector múltiple (SWMR), conjunto de datos virtual (VDS) y ajuste preciso de caché de metadatos
    • Hardware: utilice nuevas apps para comunicarse con dispositivos a través de TCP/IP (explorador TCP/IP) y en serie (explorador serie)
    • Funciones ode78 y ode89: utilice solvers de Runge-Kutta de orden superior para ecuaciones diferenciales ordinarias
    • Proyectos: organice, gestione y comparta su trabajo con proyectos en MATLAB Online

    Lidar Toolbox

    • App Lidar Viewer: visualice, analice y preprocese nubes de puntos de LiDAR de manera interactiva con la app Lidar Viewer
    • Procesamiento de datos de LiDAR aéreo: aplique algoritmos de Deep Learning y SLAM en datos de LiDAR aéreo

    Wavelet Toolbox

    • Extracción de características con Machine Learning y Deep Learning: realice análisis de señales e imágenes, preprocesamiento y extracción de características con técnicas de wavelets y apps interactivas para modelos de IA
    • Aceleración e implementación: acelere los algoritmos de wavelet con procesadores multinúcleo y GPU; genere código para prototipado de escritorio e implementación integrada

    Línea de productos Simulink

    Simulink

    • Panel de simulaciones múltiples: ejecute varias simulaciones para diferentes escenarios desde Simulink Editor
    • Pestañas personalizadas: agregue pestañas personalizadas a la barras de herramientas de Simulink
    • Minimapa: proporciona contexto al hacer zoom en parte de un diagrama de bloques

    Stateflow

    • Intersecciones de entrada y salida: cree conexiones de entrada y salida entre los límites jerárquicos

    System Composer

    • Interfaces físicas con Simscape: cree interfaces físicas, puertos y conexiones en los componentes
    • Arquitecturas de software: cree arquitecturas de software a partir de componentes existentes
    • Soporte para arnés de pruebas: cree arnés de pruebas para componentes de System Composer

    Simulink Compiler

    • Ajuste de parámetros en tiempo de ejecución: ajuste parámetros mientras se ejecuta una simulación implementada

    IA, Data Science y estadística

    Statistics and Machine Learning Toolbox

    • Redes neuronales superficiales: utilícelas en Simulink como bloques nativos; automatice el ajuste de hiperparámetros
    • Machine Learning: explore clusterings de K-means en una tarea en tiempo real y utilice el bosque de aislamiento para detectar anomalías
    • Implementación: exporte modelos desde la app Classification and Regression Learner a MATLAB Production Server

    Deep Learning Toolbox

    • Redes convolucionales 1D: cree y entrene redes para datos de secuencias y series temporales
    • Deep Network Designer: exporte redes entrenadas a Simulink
    • EDO neuronales: calcule una solución de Deep Learning para ecuaciones diferenciales ordinarias no rígidas con dlode45

    Sistemas de control

    Simulink Control Design

    • Bloque Model Reference Adaptive Control: diseñe y simule controladores adaptativos de referencia de modelos

    Reinforcement Learning Toolbox

    • Generación de funciones de recompensa: genere automáticamente funciones de recompensa a partir de las especificaciones del controlador

    Model Predictive Control Toolbox

    • Control predictivo por modelo no lineal: implemente controladores predictivos por modelo no lineales multietapa con el solver FORCESPRO de Embotech

    System Identification Toolbox

    • Modelos ARX no lineales: cree modelos que utilicen funciones de regresión basadas en algoritmos de Machine Learning

    Predictive Maintenance Toolbox

    • Diagnostic Feature Designer: clasifique características no etiquetadas y genere características del espectro para bandas de frecuencia de fallos características en maquinaria rotativa

    RF y señal mixta

    RF PCB Toolbox

    • Nuevo producto: realice análisis electromagnéticos de placas de circuitos impresos

    Signal Integrity Toolbox

    • Nuevo producto: simule y analice enlaces de alta velocidad en serie y en paralelo

    Matemáticas y optimización

    Symbolic Math Toolbox

    • Sugerencias sobre siguientes pasos: obtenga sugerencias sobre siguientes pasos para flujos de trabajo simbólicos en MATLAB Live Editor

    Global Optimization Toolbox

    • Flujo de trabajo basado en problemas: resuelva problemas de optimización global o no diferenciable con un flujo de trabajo de optimización basado en problemas